lucidrains/denoising-diffusion-pytorch

어떤 프로젝트인가요?

핵심 기능

• 01PyTorch로 DDPM 학습 목적 함수와 샘플링 절차를 구현합니다.
• 02flash attention을 선택적으로 적용할 수 있는 설정 가능한 U-Net 백본을 제공합니다.
• 03Trainer 클래스로 폴더 기반 이미지 데이터셋, 체크포인트, 샘플 로깅을 처리합니다.
• 04Hugging Face Accelerate를 통한 멀티 GPU 학습과 혼합 정밀도를 지원합니다.
• 05타임스텝을 줄인 DDIM 방식의 샘플링과 학습 중 FID 평가를 지원합니다.
• 06시퀀스 데이터용 1D U-Net 및 diffusion 변형을 제공합니다.

활용 사례

• 사용자 지정 이미지 폴더로 소규모 이미지 생성 모델을 학습합니다.
• diffusion 학습 및 샘플링의 핵심 코드를 살펴보거나 수정합니다.
• 1차원 시퀀스 데이터를 위한 diffusion 모델을 프로토타이핑합니다.
• Accelerate를 사용해 멀티 GPU diffusion 학습 실험을 실행합니다.

빠른 시작

1. 1

   PyPI에서 패키지를 설치합니다

   pip install denoising_diffusion_pytorch
2. 2

   모델과 디퓨전 객체를 만들고 Trainer 클래스를 사용해 이미지 폴더의 이미지로 학습합니다

3. 3

   학습을 시작합니다

   trainer.train()

사용 전 알아둘 점

• !실제와 비슷한 크기의 이미지로 학습하려면 GPU와 많은 시간이 필요합니다(이 예시에서는 700000 스텝을 사용합니다).

토픽

자주 묻는 질문

denoising-diffusion-pytorch은(는) 무엇인가요?

이미지 및 1D 시퀀스 생성 모델을 학습하기 위한 Denoising Diffusion Probabilistic Models의 PyTorch 구현입니다. 이 프로젝트는 점진적으로 노이즈를 추가하는 과정을 되돌리는 방법을 학습하는 생성 모델링 기법인 Denoising Diffusion Probabilistic Models의 PyTorch 구현입니다. U-Net 백본과 함께, 순방향 노이즈 추가, 학습 손실 계산, 학습된 모델을 이용한 샘플링을 처리하는 GaussianDiffusion 클래스를 제공합니다.

denoising-diffusion-pytorch은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?

denoising-diffusion-pytorch은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.

denoising-diffusion-pytorch은(는) 아직 유지보수되고 있나요?

활발히 유지보수 중. denoising-diffusion-pytorch의 마지막 커밋은 2026년 9월 29일입니다.

denoising-diffusion-pytorch은(는) 어디에 사용할 수 있나요?

사용자 지정 이미지 폴더로 소규모 이미지 생성 모델을 학습합니다. diffusion 학습 및 샘플링의 핵심 코드를 살펴보거나 수정합니다. 1차원 시퀀스 데이터를 위한 diffusion 모델을 프로토타이핑합니다. Accelerate를 사용해 멀티 GPU diffusion 학습 실험을 실행합니다.

denoising-diffusion-pytorch는 어떻게 설치하나요?

PyPI에서 패키지를 설치합니다: pip install denoising_diffusion_pytorch 모델과 디퓨전 객체를 만들고 Trainer 클래스를 사용해 이미지 폴더의 이미지로 학습합니다 학습을 시작합니다: trainer.train()

denoising-diffusion-pytorch은(는) 어디서 받을 수 있나요?

소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/lucidrains/denoising-diffusion-pytorch